Polynésie. Septembre 2017. Enseignement spécifique. Corrigé
2) a) L'énoncé donne P(A = 0 25)
BACCALAUREAT GENERAL
Soient a et b deux nombres complexes puis s la transformation d'écriture complexe z? = az + b. ?6. A. B. C. E. F. H. I. G http ://www.maths-france.fr.
BACCALAUREAT GENERAL
Série S - la condition « f ne s'annule pas sur I » ne sert à rien et est même gênante ... http ://www.maths-france.fr. 6. cO Jean-Louis Rouget 2007.
BACCALAUREAT GENERAL MATHEMATIQUES Série S
MATHEMATIQUES. Série S. Enseignement de Spécialité. Durée de l'épreuve : 4 heures. Coefficient : 9. Ce sujet comporte 7 pages numérotées de 1 à 7.
BACCALAUREAT GENERAL MATHEMATIQUES Série S
Cette enseigne souhaite vendre la nouvelle crème sous un conditionnement de 50 mL et dispose pour ceci de pots de contenance maximale 55 mL.
BACCALAUREAT GENERAL MATHEMATIQUES Série S
EXERCICE 1 (5 points ). (Commun à tous les candidats). Les trois parties A B et C peuvent être traitées de façon indépendante.
Chapitre 19. Echantillonnage. Estimation
Les différentes expressions mathématiques écrites dans ce chapitre ont un aspect Le programme officiel de Terminale S donne la définition suivante d'un ...
Antilles Guyane 2017. Enseignement de spécialité. Corrigé
http ://www.maths-france.fr strictement négative sur ]e +?[ et s'annule en e. ... Ceci montre que
BACCALAUREAT GENERAL MATHEMATIQUES Série S
Série S. Enseignement de Spécialité. Durée de l'épreuve : 4 heures Ce sujet comporte 6 pages numérotées de 1 à 6 ... EXERCICE 1 (6 points ).
Centres étrangers 2014. Enseignement de Spécialité
2) a) 6A ? A2 = 6 ( Enfin 84 = 3 × 26 + 6 et donc 84 ? 6 modulo 26. (?) peut donc encore s'écrire ... http ://www.maths-france.fr.
Comment télécharger les cours de maths en terminale ?
0.2 Enseignement de spécialité. Des cours de maths en terminale que vous pouvez télécharger en PDF gratuitement puis les imprimer sur les très nombreux chapitres de ce niveau qui représente la dernière étape du lycée qui se conclue par les épreuves du baccalauréat durant 4 heures.
Combien de cours de maths en terminale à télécharger enpdf ?
Voici les dernières ressources similaires à cours de maths en terminale à télécharger en PDF. mis à jour sur Mathovore Mathovore c'est 13 621 789 cours et exercices de maths téléchargés en PDF.
Comment sont rédigés les cours de maths en Terminale S ?
Ces cours de maths en terminale S ont été rédigé en respectant scrupuleusement les textes des programmes officiels de l’éducation nationale et ont été mis en ligne par un groupe de professeurs titulaires comme les programmes officiels de l’ éducation nationale.
Combien de chapitres de cours a-t-on dans terminale S ?
21 chapitres de cours. 814 énoncés de problèmes. 824 corrigés de problèmes. 53 résumés de cours, formulaires, topos... En construction. Tout ce que vous trouverez dans la partie Terminale porte sur l’ancien programme de Terminale S qui s’est arrêté en 2019.
Chapitre 19. Echantillonnage. Estimation
• Ce chapitre ne peut en aucun cas être étudié si on n"a pas d"abord étudié le chapitre 16 sur la loi binomiale et
le chapitre 18 sur la loi normale.• Les différentes expressions mathématiques écrites dans cechapitre ont un aspect très rebutant. On ne doit
cependant pas s"effrayer du contenu. Au bout du compte, commele signale le programme officiel, " les attendus de
ce chapitre sont modestes » et ce que doit savoir faire un élève est très simple. I. Intervalles de fluctuation associés à une loi binomiale1) La variable aléatoire fréquence associée à une loi binomiale
On étudie une certaine population où chaque individu de la population possède un certain caractèreCavec une
probabilitépou ne possède pas le caractèreCavec une probabilité1-p. La probabilitépest donc la proportion
de la population qui est constituée de personnes possédant le caractèreC.Par exemple, dans un pays, chaque individu vote ou ne vote paspour un candidat donné, dans une urne contenant
un grand nombre de boules blanches et noires, chaque boule est blanche ou pas, dans une population de vaches,
chaque vache a ou n"a pas une certaine maladie, dans une population de télévisions, chaque appareil peut
tomber en panne ou pas ... Le mot " individu » a donc un sens trèsgénéral.Par la suite, on supposera quep?]0,1[car sip=1(oup=0), tout le monde possède la caractèreC(ou personne
ne le possède) et il n"y a pas besoin de faire des calculs de probabilités.On prélève maintenant unéchantillonde cette population de taillenet on compte dans cet échantillon le nombre
d"individus possédant le caractèreC. On fait donc de l"échantillonnage.On noteXnla variable aléatoire qui, à chaque échantillon de taillenassocie le nombre de personnes possédant le
caractèreC. Si la taillend"un échantillon est petit devant la taille de la population, on peut assimiler un échantillon
(qui est un tirage successif sans remise denindividus dans la population) à un tirage successif avec remise den
individus dans la population. En effet, sinest petit devant la population, après avoir tiré un individusans le
remettre dans la population, la probabilité que l"individusuivant possède le caractèreCn"a quasiment pas varié.
On sait que la variable aléatoireXnsuit la loi binomialeB(n,p)de paramètresnetp. On définit alors lavariable
aléatoire fréquenceassociée à la variableXn: F n=Xn n.Le caractèreCpeut apparaître,0fois, une fois, deux fois, ...,nfois dans l"échantillon de taillenet ceci avec une
fréquence égale à0 n=0,1n,2n, ...,kn, ...,n-1n,nn=1suivant le cas. Les valeurs prises par la variableFnsontces fréquences et chaque fréquence est une réalisation de lavariableFnet a une certaine probabilité d"être obtenue.
La variable aléatoireFnne prend pas des valeurs entières contrairement àXn. Par contre, les probabilités sont les
mêmes : pour tout entier naturelktel que0⩽k⩽n,P?Fn=k n?=P(Xn=k)=?n k?×pk×(1-p)n-k.On note que l"espérance deFnest
E(Fn)=E?Xn
n?=1nE(Xn)=1n×np=p et l"écart-type deFnestσ(Fn)=σ?Xn
n?=1nσ(Xn)=1n×?np(1-p)=?np(1-p) n2=? p(1-p) n.Par exemple, en France, la probabilité qu"un individu donnéregarde une certaine émission de télé estp=1
8.On demande à chaque personne d"un échantillon de500personnes si cette personne a ou n"a pas regardé l"émission.
Si on noteF500la variable aléatoire égale au nombre de personnes ayant effectivement regardé l"émission, la loi
de probabilité deF500est pour tout entier naturelktel que0⩽k⩽500,p?F500=k500?=?500
k??18?k ?78?500-k © Jean-Louis Rouget, 2015. Tous droits réservés.1 http ://www.maths-france.frAinsi, la probabilité qu"exactement100personnes de l"échantillon aient regardé l"émission est environ6×10-7, la
probabilité que moins de60personnes de l"échantillon aient regardé l"émission est environ0,4(ces valeurs ont été
obtenues avec Excel). Enfin, dire que l"espérance deF500est égale à18=0,125revient à dire que, en répétant un grand nombre de fois
l"expérience qui consiste à choisir un échantillon de taille500, en moyenne, sur l"ensemble des échantillons de taille
500, une personne sur8d"un échantillon regarde l"émission.
2) Intervalles de fluctuation associés à une loi binomiale
a) Intervalles de fluctuation. Intervalles de fluctuation asymptotique Notations.SoitXnune variable aléatoire suivant une loi binomiale de paramètresn?N?etp?]0,1[.On noteFn=Xn
nla variable fréquence associée,Zn=Xn-np?np(1-p)la loi centrée réduite associée àXnetZune
variable aléatoire suivant la loi normale centrée réduite.Dans ce paragraphe,on suppose connue la proportionp.On choisit un échantillon de taillendans la population
et on s"intéresse aux probabilités du typeP(a⩽Fn⩽b)ou encoreP(Fn?[a,b]).L"intervalle[a,b]est un intervalle dans lequelfluctuela variable fréquenceFnavec une certaine probabilité
calculée à partir de la fonction de répartition de la loi binomiale. De manière générale, on peut définir la notion
d"intervalle de fluctuation à un certain seuil :Définition 1.Soitαun réel de]0,1[.
On dit que l"intervalle[a,b]est un intervalle de fluctuation deFn=Xn nau seuil1-αsi et seulement si p(Fn?[a,b])⩾1-α.On va maintenant s"intéresser à un intervalle qui est une approximation d"un intervalle de fluctuation. C"est la
notion d"intervalle de fluctuation asymptotique.On revient sur le théorème deMoivre-Laplace(théorème 1 du chapitre 18). Celui-ci a la conséquence suivante :
Théorème 1.Soitα?]0,1[. SoitIn=⎡⎢⎢⎢⎣p-uα?p(1-p)⎷n,p+uα? lim n→+∞P(Fn?In)=1-α.Commentaire.Le fractileuαa été défini dans le théorème 4 du chapitre 18 :uαest l"unique réel strictement
positif tel queP(-uα⩽Z⩽uα)=1-α. Démonstration.Soitαun réel élément de]0,1[. F n?In?Xn n?In?p-uα? p(1-p)⎷n⩽Xnn⩽p+uα? p(1-p)⎷n ?np-uαn? p(1-p)⎷n⩽Xn⩽np+uαn? p(1-p)⎷n ?np-uα? np(1-p)⩽Xn⩽np+uα?np(1-p) (carn⎷n=⎷ n×⎷n⎷n=⎷n) ?-uα? np(1-p)⩽Xn-np⩽uα?np(1-p) ?-uα⩽Xn-np ?np(1-p)⩽uα ?-uα⩽Zn⩽uα.Puisque les événementsFn?Inet-uα⩽Zn⩽uαse produisent simultanément, on en déduit qu"ils ont la même
probabilité :P(Fn?In)=P(-uα⩽Zn⩽uα).
• Le théorème deMoivre-Laplaceaffirme quelimn→+∞P(-uα⩽Zn⩽uα)=P(-uα⩽Z⩽uα)(oùZsuit une loi
normale centrée réduite). • D"autre part,P(-uα⩽Z⩽uα)=1-αpar définition du fractileuα.Donclimn→+∞P(Fn?In)=1-α.
© Jean-Louis Rouget, 2015. Tous droits réservés.2 http ://www.maths-france.frprobabilité queFnappartienne àInvaut environ1-α. Ce n"est pas un intervalle de fluctuation au seuil1-αau
sens de la définition 1 car la probabilité queFnappartienne àInpeut être strictement plus petite que1-α.
Néanmoins, l"intervalleIn" approche » un intervalle de fluctuation au seuil1-α. On dit queInest unintervalle
de fluctuation asymptotiqueau seuil1-α.Le programme officiel de Terminale S donne la définition suivante d"un intervalle de fluctuation asymptotique :
Définition 2.Un intervalle de fluctuation asymptotique de la variable aléatoireFnau seuil1-αest un
intervalle déterminé à partir depet denet qui contientFnavec une probabilité d"autant plus proche de
1-αquenest grand.
On analyse maintenant un cas particulier d"intervalle de fluctuation asymptotique. Dans le chapitre précédent, on
a donné la valeur deuαquandα=0,05de sorte que1-α=0,95: u0,05=1,959...
En particulier,u0,05<1,96. Par suite, l"intervalle⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? I n=⎡⎢⎢⎢⎣p-u0,05? p(1-p)⎷n,p+u0,05? P ⎝X n n?⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? ⩾P⎛⎝X p(1-p)⎷n,p+u0,05?Commelimn→+∞P⎛⎝X
n n?⎡⎢⎢⎢⎣p-u0,05? p(1-p)⎷n,p+u0,05? =0,95, on a donc lim n→+∞P⎛⎝X n n?⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? ⩾0,95. On peut même être plus précis. La calculatrice donne lim n→+∞P⎛⎝X n n?⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? =P(-1,96⩽Z⩽1,96)=0,950004...Donc,limn→+∞P⎛⎝X
n n?⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? >0,95. Par suite, en appliquant la définition de la limite d"une suite, à partir d"un certain rang, on aP⎛⎝X n n?⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96? ⩾0,95 et on peut donc énoncer :Théorème 2.Pour tout réelp?]0,1[, il existe un entier naturel non nuln0tel que, pour tout entier naturel
nsupérieur ou égal àn0, P p(1-p)⎷n;p+1,96? ⩾0,95.Commentaire.L"entiern0dépend du réelp. Par exemple, on peut montrer que sipest proche de0ou proche
de1, l"entiern0est bien plus grand que sipest proche de1 2. Ainsi, l"intervalle⎡⎢⎢⎢⎣p-1,96?p(1-p)⎷n;p+1,96?seuil0,95quandnest grand ce qui motive une fois de plus l"appellation " intervalle de fluctuation asymptotique ».
Dans la pratique, on a l"habitude d"utiliser cet intervallequandn⩾30,np⩾5,n(1-p)⩾5(ces conditions sont
établies grâce à des calculs dépassant largement le niveau d"une classe de terminale ).Résumons tout ce qui précède. Ce que l"on doit retenir et qui est l"essentiel du cours est :
© Jean-Louis Rouget, 2015. Tous droits réservés.3 http ://www.maths-france.fr1)L"intervalle de fluctuation asymptotique au seuil95%est
⎣p-1,96? p(1-p)⎷n;p+1,96?2)sin⩾30,np⩾5etn(1-p)⩾5,
P p(1-p)⎷n;p+1,96? est environ égale à0,95.3)pour tout réelp?]0,1[, il existe un entiern0dépendant deptel que sin⩾n0
P p(1-p)⎷n;p+1,96? ⩾0,95.Commentaire.Attention, l"entier30du 2) n"est pas l"entiern0du 3) car même si on est dans les conditions
de validitén⩾30,np⩾5etn(1-p)⩾5, il est possible que la probabilitéP(Fn?In)soit strictement plus petite
que0,95bien que proche de0,95. b) L"intervalle de fluctuation de la classe de secondeOn va voir que l"" intervalle de la classe de seconde »Jn=?p-1⎷n,p+1⎷n?contient l"" intervalle de
Terminale »In=⎡⎢⎢⎢⎣p-1,96? p(1-p)⎷n;p+1,96?Il s"agit pour cela de vérifier quep-1
⎷n⩽p-1,96? p(1-p)⎷n⩽p+1,96? p(1-p)⎷n⩽p+1⎷nce qui revientà vérifier que1,96?
p(1-p)⩽1.La fonctionf?x↦x(1-x)=-x2+xest un polynôme du second degré s"annulant en0et1. Puisque le coefficient
dex2est strictement négatif, la fonctionfadmet un maximum en12qui est le milieu de[0,1]. Ce maximum est
égal à
f?12?=12?1-12?=14.
1 1 1 214 y=x(1-x) Par suite, pour tout réelpde]0,1[,p(1-p)⩽14puis 1,96? p(1-p)⩽2×?1 4=1.
On peut donc énoncer :
Théorème 3.1)Pour tout réelp?]0,1[et tout entier naturel non nuln, ⎣p-1,96? p(1-p)⎷n;p+1,96?2)Il existe un entier naturel non nuln0tel que pourn⩾n0,P?Fn??p-1
⎷n,p+1⎷n??⩾0,95. ⎷n,p+1⎷n??est environ égale à0,95. © Jean-Louis Rouget, 2015. Tous droits réservés.4 http ://www.maths-france.fr3) Prise de décision au seuil de5%
Dans ce paragraphe,pn"est pas connuemais on fait une hypothèse surp: on suppose quepest égale à une
certaine valeur précisep0. On se demande alors si notre hypothèse est cohérente à partir de la connaissance d"un
échantillon de taillen.
On adopte la démarche suivante :
• On calcule la fréquencefd"appartion du caractère C dans l"échantillon. • On calcule l"intervalle de fluctuation asymptotique au seuil0,95:I=⎡⎢⎢⎢⎣p
0-1,96?
p0(1-p0)⎷n,p0+1,96? • On applique larègle de décisionsuivante :Sifn"appartient pas à l"intervalle de fluctuationI, on rejette l"hypothèse quep=p0au risque de se tromper de
5%et sifappartient à l"intervalleI, on peut accepter l"hypothèse faite surpmais on ne connait pas le rsique
de se tromper. Exercice 1.Dans un site sur Internet, on trouve le tableau ci-dessous qui donne la répartition des groupes sanguins en France :OABABTotal
Rhésus positif37%39%7%2%85%
Rhésus négatif6%6%2%1%15%
Total43%45%9%3%100%
RhésusGroupe sanguin
Nous allons tester si ce tableau peut être considéré comme correct à partir d"un sondage effectué dans
une classe de Terminale S constituée de36élèves.1) a)Quelle hypothèse peut-on faire sur la proportion de personnes ayant un rhésus négatif en France?
b)Déterminer l"intervalle de fluctuation asymptotique au seuil95%correspondant. c)Enoncer la règle de décision que l"on va appliquer. d)Dans la classe,6élèves ont un rhésus négatif. Que peut-on en conclure?2) a)Quelle hypothèse peut-on faire sur la proportion de personnes étant du groupe O en France?
b)Déterminer l"intervalle de fluctuation asymptotique au seuil95%correspondant. c)Dans la classe,9élèves sont du groupe O. Que peut-on en conclure?3)Quelle conséquence peut-on en tirer sur les données du tableau?
Solution.
1) a)On peut supposer qu"en France, la proportion des personnes ayant un Rhésus négatif estp0=0,15.
b)Ici,n=36etp=0,15. On note quen⩾30puisnp=5,4et doncnp⩾5et enfinn(1-p)=30,6et doncn(1-p)⩾5. L"intervalle de fluctuation asymptotique au seuil95%correspondant est ?0,15-1,96⎷0,15×0,85⎷36;0,15+1,96⎷
0,15×0,85⎷36?.
En arrondissant les bornes de cet intervalle de manière à l"élargir un peu, on trouve l"intervalle[0,033;0,267].
c)La règle de décision est : " si la fréquence observée dans la classe n"appartient pas à cet intervalle, on rejette
l"hypothèse quep0=0,15avec un risque de5%de se tromper et si la fréquence observée appartient à cet intervalle,
on accepte l"hypothèse quep0=0,15mais on ne connait pas le risque de se tromper dans ce cas ». d)La fréquence des élèves ayant un rhésus négatif dans la classe est636=0,166...Cette fréquence appartient
à l"intervalle de fluctuation et on peut donc accepter l"hypothèse que15%des personnes ont un rhésus négatif mais
on ne connaît pas le risque de se tromper.2) a)On peut supposer qu"en France, la proportion des personnes étant du groupe O estp0=0,43.
© Jean-Louis Rouget, 2015. Tous droits réservés.5 http ://www.maths-france.fr b)Doncn=36etp=0,43. Donc,n⩾30,np⩾5etn(1-p)⩾5. L"intervalle de fluctuation asymptotique au seuil95%correspondant est ?0,43-1,96⎷0,43×0,57⎷36;0,43+1,96⎷
0,43×0,57⎷36?.
En arrondissant les bornes de cet intervalle de manière à l"élargir un peu, on trouve l"intervalle[0,268;0,592].
c)La fréquence des élèves étant du groupe O dans la classe est936=0,25...Cette fréquence n"appartient pas
à l"intervalle de fluctuation et on peut donc rejeter l"hypothèse que43%des personnes sont du groupe O avec un
risque de se tromper de5%.3)Si le pourcentage des rhésus négatifs est (peut-être) correct et le pourcentage des groupes O est (peut-être)
incorrect, il est possible que le pourcentage des personnesdu groupe O+donnée dans le tableau, à savoir37%, soit
un peu faux (peut-être).II. Estimation
Dans le paragraphe précédent, on connaissait la proportionpou on faisait une hypothèse sur cette proportion.
Dans ce paragraphe, nous allons faire l"inverse.On connaît la fréquencefd"apparition du caractère C dans un
certain échantillon de tailleneton ne connaît pas la proportionpde la population possédant le caractère C.
On veut alors évaluer la proportionp. On note que la fréquencefest une réalisation de la variable aléatoireFn.
Cette situation est par exemple celle des sondages d"opinion avant une élection. On connaît, dans un " échantillon
représentatif » de la population, le pourcentage de gens votant pour tel candidat ou encore la fréquencefde
personnes de l"échantillon votant pour ce candidat, et on cherche à évaluer la proportionpde personnes votant
pour ce candidat dans la population toute entière. La réponse apportée ne sera pas pas la valeur exacte depbien
sûr, mais une fourchette dans laquelle se situepavec un certain niveau de confiance. Cette fourchette est un
intervalle associé à un certain niveau de confiance1-α, intervalle appeléintervalle de confiance au niveau
1-α. Par la suite, nous n"envisagerons que le niveau de confiance0,95.
Il s"agit d"inverser les rôles defetpà partir de l"intervalle de fluctuation asymptotique au seuil0,95de la classe
de seconde. Ceci se fait de la façon suivante : p-1 ?p⩽Fn+1 ⎷netFn-1⎷n⩽p ?Fn-1 ⎷n⩽p⩽Fn+1⎷nEn particulier,P?p-1
⎷n⩽Fn⩽p+1⎷n?=P?Fn-1⎷n⩽p⩽Fn+1⎷n?. Le théorème 3 peut alors se réénoncer
de la façon suivante :Théorème 4.1)Il existe un entier naturel non nuln0tel que pourn⩾n0, l"intervalle aléatoire
?Fn-1 ⎷n,Fn+1⎷n?contientpavec une probabilité supérieure ou égale à0,95.2)Pourn⩾30,nf⩾5,n(1-f)⩾5, l"intervalle aléatoire?Fn-1
⎷n,Fn+1⎷n?contientpavec une probabilité environ égale à0,95.Revenons à notre problème : on se place dans la situation où onconnaît la fréquencefd"apparition du caractère
C dans un échantillon de taillen.
L"intervalle?f-1
⎷n,f+1⎷n?est alors une réalisation de l"intervalle aléatoire?Fn-1⎷n,Fn+1⎷n?.
Sinest suffisament grand, on peut affirmer avec un certain niveau deconfiance quepappartient à cet intervalle.
Plus précisément,
Définition 3.Sin⩾30,np⩾5etn(1-p)⩾5, l"intervalle?f-1⎷n,f+1⎷n?est appeléintervalle de
confiance de la proportionpau niveau de confiance95%. © Jean-Louis Rouget, 2015. Tous droits réservés.6 http ://www.maths-france.frCommentaire 1.Chaque choix d"un échantillon fournit une fréquencefet donc chaque choix d"un échantillon
fournit un intervalle de confiance. Deux échantillons différents fourniront éventuellement deux intervalles de confiance
différents.Commentaire 2.L"intervalle?f-1⎷n,f+1⎷n?contientpavec un niveau de confiance environ égal à95%si
n⩾30,np⩾5etn(1-p)⩾5et avec un niveau de confiance supérieur ou égal à95%sindépasse un certain
entiern0. Exercice 2.Une élection est organisée. Il y a deux candidatsC1etC2.1)Un sondage est effectué auprès d"un échantillon représentatif de600personnes.
342personnes de l"échantillon ont l"intention de voter pour lecandidatC1.
Déterminer une fourchette dans laquelle se trouvera le pourcentage de personnes votant pour le candidatC1lors de l"élection avec un niveau de confiance de95%.2)Déterminer la taille minimale que doit avoir l"échantillonpour que l"amplitude de l"intervalle
de confiance soit au maximum de2%.Solution.
1)La fréquence de personnes de l"échantillon votant pour le candidatC1est
f=342600=0,57.
L"intervalle de confiance au niveau de confiance95%estI=?0,57-1
En arrondissant les bornes de manière à élargir légèrement cet intervalle, on obtient l"intervalle[0,529;0,611].
Donc, au niveau de confiance95%, on peut affirmer que le candidatC1aura entre52,9%et61%des suffrages lors
de l"élection.2)Soitn(n?N?) la taille de l"échantillon etfla fréquence des personnes qui vote pour le candidatC1.
L"intervalle de confiance au niveau de confiance95%estI=?f-1
⎷n,f+1⎷n?=[0,529...,0,610...].L"amplitude de cet intervalle est
2 ⎷n. On veut donc que2⎷n⩽0,02. Or 2 Un échantillon de10000personnes donnera une fourchette d"amplitude2%au niveau de confiance95%.Commentaire.Comme on l"a dit au début du chapitre, le cours est compliqué mais ce qu"il faut savoir faire
est simple. © Jean-Louis Rouget, 2015. Tous droits réservés.7 http ://www.maths-france.frquotesdbs_dbs30.pdfusesText_36[PDF] gamme pentatonique blues piano
[PDF] dictionnaire accords guitare jazz pdf
[PDF] citation avec mot
[PDF] toeic reading test with answers
[PDF] expression avec " maux"
[PDF] expression avec le mot sens
[PDF] jeu de mots avec temps
[PDF] masse volumique acetone
[PDF] masse molaire benzaldéhyde
[PDF] masse molaire de diiode
[PDF] masse molaire de lurée
[PDF] masse molaire carbonate de lithium
[PDF] masse molaire de la créatinine
[PDF] expressions imagées cycle 3